杜英杰, 宗哲英, 王 禎, 苑文博, 李亞男, 吳 晗

(內(nèi)蒙古農(nóng)業(yè)大學(xué)機電工程學(xué)院,內(nèi)蒙古呼和浩特 010018)

我國是農(nóng)業(yè)生產(chǎn)大國,耕地面積占世界耕地面積的7%[1]。過去20年里,我國農(nóng)產(chǎn)品總產(chǎn)量與單位生產(chǎn)能力在全球范圍內(nèi)均位于世界前列[2]。農(nóng)作物病害是農(nóng)業(yè)生產(chǎn)上重要的生物災(zāi)害,具有種類多、影響大、時常暴發(fā)成災(zāi)的特點,能夠準(zhǔn)確地診斷識別病害,并針對病害種類開展對應(yīng)的防控防治措施對于農(nóng)業(yè)生產(chǎn)具有十分重要的意義。

據(jù)聯(lián)合國糧食及農(nóng)業(yè)組織估計,世界糧食生產(chǎn)因植物病害造成的年損失約為總產(chǎn)量的10%[3]。全國農(nóng)業(yè)技術(shù)推廣服務(wù)中心在《2022年全國農(nóng)作物重大病蟲害發(fā)生趨勢預(yù)報》中指出,2022年的主要糧食作物的重大病蟲害仍呈重發(fā)態(tài)勢,預(yù)計發(fā)生面積達(dá)20.26億畝次[4]。2022年中共中央發(fā)布一號文件,即《中共中央國務(wù)院關(guān)于做好2022年全面推進(jìn)鄉(xiāng)村振興重點工作的意見》,其中指出“要強化農(nóng)業(yè)科技和裝備支撐。更加重視依靠農(nóng)業(yè)科技進(jìn)步,堅持農(nóng)業(yè)科技自立自強,推進(jìn)關(guān)鍵核心技術(shù)攻關(guān),夯實農(nóng)業(yè)設(shè)施裝備條件,創(chuàng)制運用新型農(nóng)機裝備,健全農(nóng)業(yè)防災(zāi)減災(zāi)體系,促進(jìn)農(nóng)業(yè)提質(zhì)增效”[5]。由此可見,農(nóng)作物病害檢測科學(xué)化、智能化既是當(dāng)前農(nóng)業(yè)生產(chǎn)發(fā)展的現(xiàn)實需要,也是實現(xiàn)“全面推進(jìn)鄉(xiāng)村振興、加快農(nóng)業(yè)農(nóng)村現(xiàn)代化”的歷史發(fā)展的必然要求。

1 病害診斷依據(jù)

傳統(tǒng)的病害診斷主要依靠人眼觀察判斷,這種方法需要有一定的病害知識儲備和經(jīng)驗作為前提,并且具有主觀性強、準(zhǔn)確率低的缺點,容易導(dǎo)致誤診進(jìn)而影響病害的及時防治,造成農(nóng)作物的產(chǎn)量損失。農(nóng)作物的病害種類有很多,一般可根據(jù)病害成因分為非侵染性病害、侵染性病害兩大類[6]。非侵染性病害一般是由非生物因素引起的,如氣候因素(環(huán)境低溫、高溫)和不適宜農(nóng)作物的生長環(huán)境(土壤中的礦物質(zhì)元素、水分)引起的農(nóng)作物病害。侵染性病害是指由生物(細(xì)菌、真菌、病毒等)侵染引起的農(nóng)作物病害。病害發(fā)生后通常會引起農(nóng)作物生理機能失常、失調(diào),主要表現(xiàn)為作物的生長狀態(tài)發(fā)生改變,進(jìn)而引起作物發(fā)育不良、枯萎或死亡。目前,農(nóng)作物病害的診斷一般基于檢測病害的成因和通過識別作物病癥表現(xiàn)的方法來進(jìn)行,詳見表1。

表1 農(nóng)作物病害的主要檢測方式和應(yīng)用類型

2 基于環(huán)境成因的診斷方法

作物所處的環(huán)境是作物賴以生存生長的基礎(chǔ),對作物的成長起到?jīng)Q定性作用。不同作物對生長環(huán)境的要求不同,當(dāng)環(huán)境要素不滿足作物生長的要求時,便會影響作物發(fā)育,嚴(yán)重的可導(dǎo)致作物患病甚至死亡。以主要的糧食作物為例,玉米缺氮會導(dǎo)致苗期玉米植株矮小,葉色黃綠;在生長盛期缺氮會使玉米葉片由下而上、從葉尖沿中脈向基部變得黃枯,直至全葉枯黃變死;在生長關(guān)鍵期缺氮會導(dǎo)致雌株發(fā)育延遲或停止,使得果穗短小、頂部籽粒不充實、粒少粒輕,并產(chǎn)生空稈[7]。除了土壤營養(yǎng)元素缺乏導(dǎo)致的脅迫病害外,常見的病害還有因溫度原因?qū)е碌牡蜏貎龊Φ?。不適宜的環(huán)境不僅可以直接導(dǎo)致作物患病,在特定情況下,環(huán)境也可以間接促進(jìn)生物病原造成的作物患病。如馬鈴薯晚疫病的病原為致病疫霉,早晚霧濃露重或陰雨連綿的天氣以及氣溫在10～25 ℃、相對濕度為75%以上的環(huán)境條件為該病害的流行條件,在此條件下致病疫霉極易繁殖孳生,馬鈴薯晚疫病一般也在這種天氣條件下大規(guī)模暴發(fā)[8]。綜上所述,準(zhǔn)確及時地獲取環(huán)境信息可以為病害的實時監(jiān)測診斷及科學(xué)防控、指導(dǎo)提供必要依據(jù)。

對于非侵染性病害和部分侵染性病害,可以通過作物生長環(huán)境信息進(jìn)行診斷,詳見表2。其中對于環(huán)境信息的采集,一般通過部署傳感器來實現(xiàn)。隨著信息技術(shù)的發(fā)展,云平臺為用戶提供了一種新的、高效率的信息整合方式,極大地節(jié)省了傳感器的信息收集、信息處理的時間成本。此外,相較于傳統(tǒng)傳感器,云平臺還具有數(shù)據(jù)橫向整合、直觀的數(shù)據(jù)可視化分析等突出優(yōu)勢,相較于傳統(tǒng)傳感器,數(shù)據(jù)收集可以更好地實現(xiàn)數(shù)據(jù)交互。傳感器和云平臺是支持1個完整物聯(lián)網(wǎng)系統(tǒng)而形成的核心軟硬件內(nèi)容,隨著物聯(lián)網(wǎng)系統(tǒng)對數(shù)據(jù)采集過程的集成,研究者能夠省略繁瑣的采集步驟,轉(zhuǎn)而從其他角度對病害進(jìn)行檢測研究,其中包括對數(shù)據(jù)分析算法的研究等。對于受環(huán)境因素促進(jìn)而非主導(dǎo)影響的病害種類,將環(huán)境因素與其他檢測手段進(jìn)行信息融合的判別模式也是主要的研究方向。除此之外,環(huán)境信息的獲取不僅局限于物聯(lián)網(wǎng)采集,氣象局、氣象站和高程衛(wèi)星對特定病害同樣可以起到檢測或監(jiān)測作用。

表2 基于環(huán)境信息的農(nóng)作物病害診斷研究現(xiàn)狀

3 基于生物性成因的診斷方法

病原微生物對作物的侵染是作物發(fā)生病害的最常見因素,2020年農(nóng)業(yè)農(nóng)村部發(fā)布的《一類農(nóng)作物病蟲害名錄》中被列為一類的農(nóng)作物病害全部為由生物病原導(dǎo)致的侵染性病害[20],可見侵染性病害在農(nóng)作物中的廣泛性和危害性。常見的侵染性病害有小麥條銹病、小麥赤霉病、馬鈴薯晚疫病和稻瘟病等。準(zhǔn)確獲取病原微生物信息有助于對病害種類進(jìn)行判斷,從而提升病害診斷的精準(zhǔn)性和可靠性。目前在生物性成因檢測方面較為流行的技術(shù)主要有電鏡技術(shù)、生物芯片技術(shù)等。

基于生物性成因的檢測診斷方法只針對侵染性病害,詳見表3。孢子是由許多真菌、藻類和原生動物產(chǎn)生的一種有繁殖或休眠作用的生殖細(xì)胞,在適宜情況下可以發(fā)展為導(dǎo)致病害的病原個體,通過研究田間孢子的生長情況有助于對農(nóng)作物病害進(jìn)行檢測與評估。同時,由于孢子生殖是某些病害病原個體的繁殖方式,因而通過對孢子情況的監(jiān)測研究有助于了解農(nóng)作物病害的發(fā)展趨勢。在研究病菌孢子數(shù)與病害、病情的關(guān)系時,通常借助孢子顯微圖像,基于圖像處理技術(shù)對其進(jìn)行計數(shù)。對于田間病害種類的直接檢測,更便捷的方法是采用聚合酶鏈?zhǔn)椒磻?yīng)(PCR)檢測技術(shù),該檢測方式相較于孢子檢測具有直接快速的技術(shù)特點,有助于在田間快速制備用于診斷各種植物病害的分子診斷樣品。

表3 基于生物病原信息的農(nóng)作物病害診斷研究現(xiàn)狀

4 基于作物病癥表現(xiàn)的診斷方法

作物在受不適宜的生長環(huán)境或病原生物影響后,會在形態(tài)、生理和生化上發(fā)生一系列病理變化,其外在通常會表現(xiàn)出變色、壞死、腐爛、萎蔫、畸形等5種類型的病癥表現(xiàn)。病癥表現(xiàn)對于不同病害類型及其在不同作物上的病癥表現(xiàn)各不相同,這就為以作物病癥表現(xiàn)為切入點的植物病害識別診斷方法的實現(xiàn)提供了可能。光譜技術(shù)對于檢測作物病害的生理化學(xué)信息具有較好的效果,它能直接反映分子內(nèi)部結(jié)構(gòu)及運動狀態(tài),因為該技術(shù)采集到的光波段遠(yuǎn)超過可見光范圍且是肉眼不能感知的,從而使光譜儀器采集到的樣本信息量大大增加[33]。在農(nóng)業(yè)病害診斷領(lǐng)域中,光譜技術(shù)最大的貢獻(xiàn)是可以通過近端、遠(yuǎn)端(主要為無人機搭載)和遙感(衛(wèi)星搭載)多個觀測范圍觀測農(nóng)作物的病害情況,從而為病害診斷提供可靠、直觀的理論與事實依據(jù)[3]。除此之外,近年來隨著計算機算力的提升和各種創(chuàng)新性算法的涌現(xiàn),通過圖像進(jìn)行病害識別也成為可能。目前依據(jù)圖像識別對植物病癥進(jìn)行診斷的方法主要分為2類,一類是使用經(jīng)典圖像處理方法提取特征識別病害,另一類是采用深度學(xué)習(xí)方法構(gòu)建病害判別模型來識別病害。

4.1 基于光譜技術(shù)的農(nóng)作物病害診斷方法研究現(xiàn)狀

光譜可以檢測到很多人眼無法看到的作物病害的生理化學(xué)信息,這個特點對于病害檢測診斷任務(wù)具有獨特優(yōu)勢,詳見表4。手持式近端光譜儀器的出現(xiàn)使得獲得光譜數(shù)據(jù)的成本大為降低。近年來,隨著民用無人機技術(shù)的廣泛快速發(fā)展,光譜儀器有了更高的搭載平臺,人們可以通過無人機搭載的光譜儀器進(jìn)行田塊尺度的病害檢測與診斷,從而從宏觀角度掌控田塊尺度農(nóng)作物的生長態(tài)勢。相較于無人機,遙感衛(wèi)星的光譜數(shù)據(jù)具有更大的宏觀優(yōu)勢,其執(zhí)行的任務(wù)通常是地區(qū)尺度的。除了直接使用光譜對病害區(qū)域進(jìn)行分析外,還有研究者通過研究葉片中葉綠素的光譜響應(yīng)特點來檢測農(nóng)作物生長的健康狀況,進(jìn)而判斷作物是否染病。

表4 基于光譜信息檢測的農(nóng)作物病害診斷研究現(xiàn)狀

4.2 基于圖像處理技術(shù)的農(nóng)作物病害診斷方法研究現(xiàn)狀

基于圖像處理技術(shù)的農(nóng)作物病害診斷可按研究方式分為經(jīng)典圖像算法、深度學(xué)習(xí)技術(shù)2類,詳見表5。對于使用經(jīng)典圖像處理算法的病害葉片識別,常用的處理步驟如下:先對圖像進(jìn)行病斑區(qū)域分割,再通過算法對病斑區(qū)域提取病害特征,最后構(gòu)建判別模型,對獲取的特征進(jìn)行判斷,以識別其是否染病。此外,還有一些學(xué)者省略了病斑區(qū)域的分割步驟,直接在病害圖像上提取圖像全局的統(tǒng)計學(xué)特征,再對統(tǒng)計學(xué)特征進(jìn)行分析判別。近年來,隨著深度學(xué)習(xí)算法的發(fā)展和涌現(xiàn),許多深度學(xué)習(xí)模型也逐漸應(yīng)用到病害診斷領(lǐng)域,研究者通過對深度學(xué)習(xí)模型的結(jié)構(gòu)或激活函數(shù)進(jìn)行改進(jìn),使其在執(zhí)行病害檢測任務(wù)時表現(xiàn)出更好的準(zhǔn)確性和魯棒性。影響模型性能的因素不僅包含模型結(jié)構(gòu)和激活函數(shù),模型的超參數(shù)的選擇也是一個重要方面,通過試驗選取最優(yōu)的超參數(shù)組合,也可以提高病害檢測模型的識別準(zhǔn)確率。

表5 基于圖像處理技術(shù)的農(nóng)作物病害診斷現(xiàn)狀

5 總結(jié)

在當(dāng)前推進(jìn)鄉(xiāng)村振興、加快農(nóng)業(yè)農(nóng)村現(xiàn)代化的社會背景下,傳統(tǒng)的人工診斷病害的方法因存在主觀性強、效率和準(zhǔn)確率低等缺點,應(yīng)用于病害診斷任務(wù)已具有較大局限。環(huán)境是影響植物病害的一項重要因素,基于環(huán)境信息監(jiān)測的病害診斷方法不僅可以根據(jù)作物生長環(huán)境數(shù)據(jù)對植物病害進(jìn)行診斷,而且可以結(jié)合環(huán)境變化趨勢對作物病害進(jìn)行進(jìn)一步預(yù)測和預(yù)警,這是環(huán)境信息相較其他病害診斷依據(jù)而言獨有的特點和優(yōu)勢。但是從目前我國的農(nóng)業(yè)發(fā)展情況看,除天氣原因人們較難干預(yù)外,其他如氮磷鉀等環(huán)境營養(yǎng)物質(zhì)的缺失情況少之又少,而且與環(huán)境有關(guān)的農(nóng)作物病害大部分是因為環(huán)境適宜生物病原繁殖傳播而間接導(dǎo)致的,因此環(huán)境因素逐漸成為多源數(shù)據(jù)融合診斷病害的一個輔助判據(jù)。

依靠對生物病原進(jìn)行檢測的病害診斷技術(shù)直接對生物病原進(jìn)行檢測識別,進(jìn)而判斷病害種類,因此該方法具有識別的可靠性和準(zhǔn)確率高等特點,但生物病原的檢測識別過程較為專業(yè)、復(fù)雜,病原識別和獲取需要有專業(yè)人員操作,具有局限性。便于田間快速檢測的病原探測微針或試劑盒等PCR技術(shù)的出現(xiàn),彌補了其專業(yè)性不高、效率低等局限,但是田間農(nóng)作物生長環(huán)境復(fù)雜,其侵染病原有一定的隨機性,病原探測微針或試劑盒等產(chǎn)品可檢測的病原單一,仍不能作為具有普適性的田間診斷樣品被有效推廣使用。

光譜技術(shù)能直接反映分子的內(nèi)部結(jié)構(gòu)及運動狀態(tài),因此該技術(shù)對檢測染病作物的生理狀態(tài)具有較好的效果[33],并且在病害初期,許多病癥表現(xiàn)不明顯,肉眼很難觀察,使用光譜儀器卻可以很好地洞悉植物的生長狀態(tài)異常,便于在早期發(fā)現(xiàn)病害,早期防治。目前根據(jù)檢測距離不同可以將光譜診斷技術(shù)分為近端光譜、遠(yuǎn)端光譜和遙感光譜。隨著無人機技術(shù)的發(fā)展,遠(yuǎn)端光譜的代表——無人機+光譜儀器模式極大地方便了農(nóng)戶對農(nóng)作物區(qū)域病害情況進(jìn)行巡視檢查。除了近端光譜診斷方法外,遠(yuǎn)端光譜、遙感光譜的數(shù)據(jù)采集受天氣影響,尤其是云、霧等天氣的影響較大,而且遠(yuǎn)端、遙感光譜實際采集的數(shù)據(jù)僅是作物冠層的光譜信息,對于作物其他部位的病害檢測仍需結(jié)合近端光譜或其他檢測手段實現(xiàn)。另外,高精度的光譜儀器價格高昂,遙感衛(wèi)星的高精度光譜數(shù)據(jù)較為昂貴且不容易購買也是制約光譜診斷技術(shù)發(fā)展和推廣的關(guān)鍵因素。

根據(jù)圖像處理技術(shù)診斷病害的方法具有設(shè)備易操作、使用成本低的優(yōu)勢,并且近年來隨著計算機算力的提升和各種創(chuàng)新性算法的涌現(xiàn),該技術(shù)可診斷病害的種類明顯增多,同時其診斷準(zhǔn)確率也處于較高水平,但是局限于圖像數(shù)據(jù),該技術(shù)對于病癥表現(xiàn)不明顯的早期病害有一定局限性,同時該方法一般只局限于近端檢測,對大范圍農(nóng)田尺度的植物病害診斷表現(xiàn)不佳。

6 展望

近年來,隨著在病害領(lǐng)域研究的深入,先后涌現(xiàn)了越來越多的作物病害診斷方法?？傮w上看,各種方法對特定病害的識別準(zhǔn)確率都表現(xiàn)出較高水平,但是也存在一些有待優(yōu)化的問題,具體如下:(1)在自然界和實際生產(chǎn)中,作物可能發(fā)生的常見病害有很多,不是只局限于其中一種或幾種,而在目前諸多病害診斷方法中,其研究對象一般只設(shè)定為特定的某種作物上的一種或幾種病害,而對于研究對象以外的病害種類,診斷方法往往表現(xiàn)乏力,缺乏普適性。(2)作物的生存環(huán)境十分復(fù)雜,環(huán)境中常伴有多種病原共同孳生、作用于植物體的現(xiàn)象,使得作物同時感染2種或2種以上的疾病。目前研究方法具有高準(zhǔn)確率的前提是對單一病害的診斷,對于多種病害對作物的相互作用還有待進(jìn)一步探究。(3)隨著時代的發(fā)展,數(shù)據(jù)的獲取成本在逐漸降低。對于作物病害領(lǐng)域,采用多源數(shù)據(jù)融合、交叉驗證診斷將是未來發(fā)展的一個方向,并且隨著對環(huán)境即時數(shù)據(jù)、預(yù)測數(shù)據(jù)的引用,可實現(xiàn)的功能除了對病害的診斷外,還可以對于某些特定病害產(chǎn)生預(yù)警效果,也可以實現(xiàn)對作物生長狀態(tài)進(jìn)行多元、實時監(jiān)控,從而進(jìn)一步實現(xiàn)農(nóng)作物的智能化、自動化管理。